Hark发布Handoff²:提速2倍的计算机使用代理

Hark 发布 Handoff² 计算机使用代理,靠延迟惩罚 RL 学会批量动作,实现 2 倍速与 82% 完成率。
Hark 发布的 Handoff² 是内置于 Hark Pro 的计算机使用代理,在 478 个内部 Web 任务上取得 82% 的完成率,平均速度达到 v1 的两倍。其核心技术是延迟惩罚强化学习:训练中代理不仅为任务完成度获得奖励,还要为每步操作的延迟付出代价,从而学会合并连续动作、减少等待回合。文章指出,82% 的完成率意味着代理仍会失败近五分之一任务,更适合作为辅助执行者;2 倍速是整体平均值,对重复性高、步骤密集的任务收益最大。这一发布折射出计算机使用代理的竞争正从“能不能做”转向“做得多快、多稳”,而可靠性与失败恢复机制将是下一阶段的关键。
从“操作电脑”到“批量操作”:Handoff²的核心突破
Hark 近期发布了 Handoff²,这是内置于 Hark Pro 的计算机使用代理(computer-use agent)。相比 v1 版本,Handoff² 的平均运行速度提升了一倍,同时在企业内部 Web 任务上取得了 82% 的完成率。这一数据基于 478 个内部 Web 任务测试得出,覆盖了真实业务流程中的常见操作场景。
在计算机使用代理(也称为 GUI 代理或桌面代理)的竞争中,速度与完成率往往相互制约。单纯追求速度可能牺牲准确性,而反复校验又会拖慢执行。Handoff² 的关键在于,它借助“批量化动作”的思路来平衡这一矛盾。

延迟惩罚强化学习:让代理学会“等待与合并”
根据官方披露,Handoff² 学会了批量执行动作,其训练方法采用了延迟惩罚强化学习(latency-penalized RL)。这意味着在训练过程中,代理不仅要为任务完成度获得奖励,还要为每一步操作的延迟付出代价。
这种奖励设计会推动模型寻找更高效的动作序列。例如,当代理需要在网页上连续点击多个按钮时,它可能学会将这些动作合并为一个批次,而不是逐个等待页面响应后再操作。从原理上看,这与人类熟练用户在界面上快速连续点击的习惯有相似之处——减少来回确认的回合数,自然降低整体耗时。
延迟惩罚 RL 并非首次出现在代理训练中,但将其用于计算机使用场景的批量动作学习,是 Handoff² 区别于同类产品的一个技术标签。有意思的是,官方并未透露训练数据规模、延迟惩罚系数以及批量动作的具体实现方式,这些细节有待后续技术博客或论文补充。
计算机使用代理(Computer-Use Agent) 是一类能够直接操作图形用户界面(GUI)来完成任务的 AI 系统,也被称为 GUI 代理或桌面代理。与通过 API 调用工具的代理不同,它需要“看”屏幕(通常借助视觉模型截屏理解界面)、定位可交互元素(按钮、输入框、链接),再模拟鼠标点击与键盘输入。这类代理的难点在于环境是动态且不确定的:页面加载有延迟、弹窗会遮挡元素、布局可能随窗口大小变化。因此每一步操作后往往需要重新观察屏幕确认状态,形成“观察—行动—再观察”的回合循环,回合数越多,累计延迟越大。Handoff² 所优化的正是这一循环中的等待开销。
强化学习(RL) 通过让智能体在环境中反复试错、依据奖励信号调整策略来学习行为。在代理训练中,奖励通常由任务是否完成、步骤是否合法等构成。延迟惩罚 RL 在此基础上引入对时间成本的显式惩罚:每一步操作消耗的延迟都会从总奖励中扣除,使模型在“多走几步但每步更稳”与“少走几步但可能出错”之间进行权衡。由于惩罚与延迟挂钩,模型会自发倾向于减少回合数、合并可并行的动作,从而学出更紧凑的动作序列。这种奖励塑形(reward shaping)思路在机器人控制、推理加速等领域已有应用,迁移到 GUI 操作场景时,关键在于如何准确计量每步延迟并将其稳定地反馈给训练过程。
82%完成率与2倍速:数据背后的务实取舍
478 个内部 Web 任务的测试结果,提供了两个可量化的指标:82% 的任务完成率,以及平均 2 倍于 v1 的速度。这两个数字需要放在上下文里理解。
首先,82% 的完成率说明 Handoff² 仍会失败近五分之一的任务。对于企业内部流程自动化来说,这个水平意味着代理更适合作为“辅助执行者”而非“完全自主决策者”。用户可能仍需在关键节点进行确认或兜底。
其次,“平均 2 倍速”是整体平均值,不同任务类型的提速幅度可能差异明显。批量动作对重复性高、步骤密集的任务收益最大,而对需要复杂判断或长链路推理的任务,速度提升可能有限。这种务实取舍反映出当前计算机使用代理的现实:效率提升更多来自操作层面的优化,而非认知层面的跃迁。

计算机使用代理的竞争焦点正在转移
Handoff² 的发布折射出一个趋势:计算机使用代理的竞争正从“能不能做”转向“做得多快、多稳”。早期产品主要展示代理能否理解屏幕、定位元素、完成点击和输入;如今,厂商开始较量吞吐量——单位时间内能完成多少任务,以及在多步骤流程中保持多少成功率。
Hark Pro 将 Handoff² 作为内置代理推出,说明其定位是产品级交付而非研究演示。与通用浏览器代理相比,内置在 Pro 产品中的代理通常更聚焦于特定工作流,也更容易通过内部任务集进行针对性优化。478 个内部 Web 任务就是一个典型的内部评测集,它未必代表公开基准上的表现,但能反映真实业务场景下的可用性。
对于关注代理落地的团队来说,Handoff² 提供了一个值得观察的样本:延迟惩罚 RL 能否持续推动批量动作策略的进化,以及 82% 的完成率在更多任务分布上是否稳定。这两个问题的答案,将决定计算机使用代理从“提速演示”走向“可靠同事”的速度。
速度提升的实际含义
从用户体验角度看,2 倍速意味着原本需要等待较长时间的流程可以更快返回结果。对于需要反复操作的网页后台任务——如表单填写、数据录入、页面巡检——速度提升直接转化为时间成本下降。但速度本身不是终点,完成率与可恢复性才是代理能否被信任的关键。Handoff² 的下一步演进,大概率会围绕失败任务的自动重试与人工接管机制展开。
相关推荐

间谍蜜罐训练内幕:情感解离与锚定技术
间谍如何被训练执行蜜罐任务?一位受训者披露情感解离、香水与关键词锚定、目标照片绑定等心理学技术,解析条件反射如何被用于情报行动,并揭示这套机制在日常生活营销中的类似应用。

前沿AI风险管理:从训练到部署的全链路实践
OpenAI系统阐述前沿AI风险管理框架:从训练阶段的模型对齐,到部署阶段的沙箱隔离与阻断式防护,再到部署后的持续监控,构建贯穿模型全生命周期的分层风险控制体系。

Databricks推出Genie Migrate,简化Serverless迁移
Databricks 发布 Genie Migrate for Serverless,帮助用户将既有工作负载迁移到 Serverless 计算。本文解析该迁移工具的定位、对用户的实际意义以及尚未明确的细节。